本文對ARM Neoverse系列服務(wù)器CPU做一些初步調(diào)研，并嘗試比較服務(wù)器CPU與手機AP CPU的異同。

首先看一下ARM Neoverse系列CPU的全家福，其中一些主要的CPU會在下文重點介紹。

（圖源：Anandtech）

1. ARM Neoverse N1

ARM在2019年2月首次發(fā)布面向服務(wù)器的CPU產(chǎn)品：ARM Neoverse N1。Neoverse N1跟Cortex-A76是同一時代的產(chǎn)品，所以下面重點對比Neoverse N1與Cortex-A76的異同。

1.1 流水線結(jié)構(gòu)

從CPU core的流水線結(jié)構(gòu)上來看，Neoverse N1采用最短11級的流水線，取指/譯碼的寬度為4，具有3個64-bit整數(shù)ALU和1個Branch單元，2個128-bit的Advanced SIMD（負責(zé)浮點/向量運算）單元，以及兩個128-bit Load/Store的單元。從流水線結(jié)構(gòu)上看，與Cortex-A76沒有明顯差異。

（圖源：Anandtech）

1.2?Cache

在cache結(jié)構(gòu)上，Neoverse N1的Instruction cache可以通過配置選擇是否支持硬件一致性，這個配置選項是針對服務(wù)器這種多核的應(yīng)用場景所添加的。ARM在架構(gòu)上并不要求Instruction cache具有硬件一致性的能力。所以對于之前的ARM CPU，如果memory里面的指令被修改了，那么軟件需要進行cache maintenance操作（如I cache invalidation）。這些cache maintenance操作通常會以廣播的形式發(fā)給與當(dāng)前core保持一致性的其他所有core。這種廣播的形式對于核數(shù)較多的系統(tǒng)而言會造成較大的性能開銷。而在服務(wù)器場景下，ARM提到VM的setup/teardown會導(dǎo)致memory里面的指令被修改的情況。

（圖源：ARM, Hotchips 2019）

如果配置Neoverse N1支持I-cache的硬件一致性，則節(jié)省了軟件進行I-cache maintenance的開銷。為了保證軟件的兼容性，在支持I-cache硬件一致性的Neoverse N1上，如果執(zhí)行的舊版本軟件依然執(zhí)行I-cache maintenance指令，Neoverse N1會將這些指令當(dāng)作“No operation”（即NOP）來處理。對于新開發(fā)的軟件，Neoverse N1提供一個寄存器bit可以供軟件查詢當(dāng)前Neoverse N1是否配置了I-cache的硬件一致性選項。（以上內(nèi)容參考ARM的白皮書《The Arm Neoverse N1 Platform: Building Blocks for the Next-Gen Cloud-to-Edge Infrastructure SoC》）

另外Neoverse N1可配置的L2 cache size與A76存在差異。Neoverse N1的L2 cache size為256KB ~ 1024KB，而Cortex-A76的L2 cache size為128KB ~ 512KB。如果Neoverse N1配置支持I-cache的硬件一致性，那么L1 Instruction cache會與L2 cache保持完全的inclusive關(guān)系，即所有L1 Instuction cache中的內(nèi)容都必須放在L2 cache里面，此時ARM建議L2 cache size配置成1024KB。如果配置成512KB，由于被L1 instruction cache的嚴格inclusive關(guān)系占用部分cache空間，可能會有1%?~ 2%的性能損失。（以上內(nèi)容參考ARM Neoverse N1 Technical Reference Manual）

1.3?Neoverse N1與下游的連接

從集成的角度，ARM Neoverse N1可以選擇以Direct-Connect的形式直接連接到CMN-600總線上。

（圖源：Anandtech）

Direct Connect是ARM DSU (DynamIQ Shared Unit)的一個配置選項，當(dāng)DSU配置成Direct Connect這種模式的時候，DSU內(nèi)部的L3 cache，snoop filter和Snoop Control Unit (SCU)將不再存在。由于此時DSU內(nèi)部沒有任何負責(zé)一致性的邏輯，所以一個DSU cluster最多只支持一個core。多個DSU cluster之間的一致性由DSU外部的一致性總線(如CMN600)來維護。由于Direct Connect模式下DSU內(nèi)部沒有L3 cache，所以通常需要外部的一致性總線(如CMN600)配置一定量的system cache來滿足CPU的性能需求。

作為對比，可以看一下A76的DSU結(jié)構(gòu)，DSU內(nèi)部的L3 cache、Snoop Control Unit等模塊通常都是存在的。從A76的Technical Reference Manual里面也沒有看到描述A76支持像Neoverse N1那樣的Direct Connect模式:

（圖源：Anandtech） 除了Direct Connect這種配置外，Neoverse N1 IP本身也支持DSU cluster里面最多配置4個Neoverse N1，然后在DSU內(nèi)部把這幾個core的一致性處理做掉，然后多個DSU之間再通過一致性總線相連。下圖就是DSU里面配置4個Neoverse N1 core的一個例子：

（圖源：Neoverse N1 TRM） ? 1.4?基于Neoverse N1的SOC結(jié)構(gòu) 下面是ARM的一個基于Neoverse N1 CPU的大型SOC芯片的參考設(shè)計。使用了64個Nerverse N1 CPU，利用CMN-600一致性總線進行互聯(lián)，再配合DDR controller、PCIe controller等IP組成整個SOC。 ?

（圖源：ARM, Hotchips 2019） 上圖中有大量的單元掛在mesh的節(jié)點上，在下圖中可以看到這些掛在Mesh網(wǎng)絡(luò)中的Cross Point（XP）節(jié)點上的單元為2個N1 CPU，和System Level Cache。CMN可以支持從1x2到8x8的mesh結(jié)構(gòu)，在latency上，每一個cycle可以進行一次hop，即從一個XP跳到相鄰的XP：

（圖源：ARM, Hotchips 2019） 兩個N1 CPU連接到XP上的時候可以配置成Direct Connect形式，利用CMN600里面的CAL（Component Aggregation Layer）組件，能夠?qū)⒆疃鄡蓚€相同的RNF（Request Node Full）連接到XP上。 ?

（圖源：ARM, CMN600 TRM） 除了提供上述的大型芯片reference design外，ARM還為Neoverse N1做了一套硬件開發(fā)板，用于軟件的開發(fā)驗證。開發(fā)板的N1 SOC芯片包含4個Neoverse N1，這4個Neoverse N1是分成2個DSU cluster連接到CMN-600上的，并且配備了1MB L3 cache。SOC架構(gòu)中除了N1 CPU之外，其他像MMU-600、Debug and trace component的使用也值得關(guān)注。

（圖源：ARM, Arm?Neoverse?N1 System Development Platform?TRM） 1.5?Neoverse N1的PPA 基于7nm工藝，配置512KB L2的Neoverse N1面積為1.15mm2，配置1MB L2的面積為1.4mm2。整數(shù)運算workload（大概率是指dhrystone）的功耗為1.0W @ 2.6GHz和1.8W @ 3.1GHz。

（圖源：ARM, Hotchips 2019） 1.6?基于Neoverse N1的服務(wù)器產(chǎn)品 Ampere Computing，由軟銀、微軟、甲骨文投資，英特爾前總裁Renee James創(chuàng)立的服務(wù)器芯片獨角獸公司，截至2023年推出3代服務(wù)器產(chǎn)品： Ampere Altra：80個Neoverse N1 core，1MB per-core L2，32MB SLC，Max 3.3GHz Ampere Altra Max：128個Neoverse N1 core，1MB per-core L2，16MB SLC，Max 3.0GHz。SPECint2017跑分336分。 AmpereOne（2023年5月發(fā)布）：192個ARM架構(gòu)自研核 下圖為128核Neoverse N1的Ampere Altra Max框圖：

（圖源：Ampere, Ampere Altra Max 64-Bit Multi-Core Processor Datasheet） 2. ARM Neoverse V1 ARM移動端的Cortex-A系列CPU分為超大核Cortex-X系列，大核Cortex-A7x系列以及小核Cortex-A5x系列。相應(yīng)地，Neoverse服務(wù)器的產(chǎn)品線也分為追求極致性能的V-Series、追求性能與功耗平衡的N-Series以及追求功耗面積的E-Series。

（圖源：Anandtech） ARM在2020年9月發(fā)布的Neoverse V1，對應(yīng)移動端的Cortex-X1。

（圖源：Anandtech） 根據(jù)ARM的PPT，Neoverse V1相比Neoverse N1會有50%的單核性能提升。

（圖源：Anandtech） 由下圖可見，Neoverse V1的取值、譯碼、發(fā)射單元寬度都顯著高于N1，ALU等

（圖源：ARM） 但根據(jù)2022年底的新聞，由于Neoverse V系列CPU性能太高，受美國和英國的出口管制，中國企業(yè)無法購買ARM Neoverse V系列的CPU，包括Neoverse V1以及后續(xù)的Neoverse V2等。 3. ARM Neoverse N2 Neoverse N2是ARM首款A(yù)RMv9系列的服務(wù)器CPU。與移動端的Cortex-A710是同一代的CPU。相比Neoverse V1，增加了SVE2、Memory Tagging Extension（MTE）等ARMv9一代CPU的新feature。

（圖源：ARM，Arm Neoverse N2 Platform: Industry-leading performance and power efficiency for Cloud-to-Edge infrastructure） 根據(jù)ARM的PPT，Neoverse N2相比N1有40%的IPC提升：

（圖源：Anandtech） 3.1?基于Neoverse N2的服務(wù)器產(chǎn)品 2021年10月，平頭哥發(fā)布倚天710，基于TSMC 5nm工藝，采用128核的Neoverse N2，最高頻率3.2GHz，8通道DDR5，峰值總帶寬281GB/s，96通道PCIe 5.0。SPECInt 2017跑分440分。倚天710分為兩個die，每個die包含64個CPU core和4個通道的DDR。根據(jù)網(wǎng)上信息，每個die size約310mm2。倚天710采用2.5D封裝進行多die合封，總計600億晶體管。所使用的總線大概率是與Neoverse N2同一時期的CMN-700，每個die上有一個CMN總線。 4. ARM Neoverse V2 ARM于2022年9月發(fā)布Neoverse V2 CPU。相比Neoverse V1，所支持的最大L2 cache size從1MB提升到2MB。另外支持ARM v9.0的新feature，如SVE2 4x128b。

（圖源：Anandtech） 5. ARM?CMN700 vs CMN600 除了ARM Neoverse系列CPU之外，CMN總線也是ARM服務(wù)器架構(gòu)中的重要組件。CMN-700相比CMN-600提升了每個die上支持的core數(shù)量、mesh的Node數(shù)量以及System level cache的容量等。

（圖源：Anandtech） 其中CMN-700所支持的256 cores per die是這樣計算的，CMN-700可以支持128個RN-F（Full coherent的Requesting Node），每個RN-F可以是兩個Neoverse CPU core經(jīng)過CMN-700的CAL（Component Aggregation Layer）組件匯聚成一路。所以總共支持128 * 2 = 256 cores。 理論上來說，CMN-600可以支持64個RN-F，所以理論上能夠支持的core數(shù)量應(yīng)該也能到64 * 2 = 128 cores（實際上會略小于這個值）。因為Ampere Altra這一代服務(wù)器芯片就已經(jīng)有80個Neoverse N1 core，超出了ARM給出的64 core per die。ARM給出的說法是這個64 core per die是指直連到Node上的core數(shù)量，如果采用CAL的話，可以實現(xiàn)更高的core數(shù)量。請留意下圖中最下面一行小字：

（圖源：極術(shù)社區(qū)） 如果要實現(xiàn)128 core的服務(wù)器芯片，可以選擇在一個die上使用CMN-700來構(gòu)建，也可以通過多die互聯(lián)，例如下圖左側(cè)就是2個64 core的die進行die間互聯(lián)。采用64 core per die，用兩個die組成128 core服務(wù)器芯片的方式，每個die的size比較小，良率會更高，代價是需要有額外的邏輯實現(xiàn)片間互聯(lián)。 編輯：黃飛

?